格式 格式 格式
七问分析法
五遍沟通法
效率分析法
PDCA循环
Act处理
六顶帽子思维
三层解释思维
反思思维
SWOT分析法
config.py
# 1.dict_label:类别对应表
# 2.batchsize：批次大小
# 3.num_epoch：训练轮次，一般默认200
# 4.学习率
# 5.crop_size:裁剪尺寸
# 6.训练集的图片路径
# 7.验证集的图片路径
# 8.测试集的图片路径
# 9.待转训练、验证和测试集的数据原文件
# 10.数据集划分后保存的路径
# 11.模型的保存路径
# 12.path_test_model : 测试模型的路径
# 13.path_predict_model : predict模型的路径
# 14.指定设备
# 15.（norm_mean，norm_std）：数据集的均值和标准差
# 16.model:模型的选择
# 17.类别字符串
# 18.用于模型的可视化
2.Dataset.py
# 1.类别对应表
# 2.获取数据路径和标签的函数
# 3.接受索引返回输入模型的数据
# 1.确定数据的路径、label和对数据的预处理
# 2.根据索引，去读取数据并且对数据进行处理
# 3.确定索引范围
3.evaluation.py
# 1.确定评测函数,传入模型和dataloader
def evaluation_fun1(dataloader,model):
# 1.1 确定数据的读取方式，读取多少张图片、采用多线程读取、是否乱序等等
# 1.2 将数据传入model
# 1.3 模型输出概率转为label形式的pred
# 1.4 将pred和label计算score
score = None
return score
# 2.测试
if __name__ == "__main__":
pass
4.predict.py
# 注意：
# 1.model.eval()
# 2.torch.no_grad()
# 3.数据预处理保持一致
# 4.预测时间的计算
# 5.避免模型重复加载,在全局进行加载，一次加载，终身受用
# 标签和类别的映射关系
if __name__ == "__main__":
# 1. 路径读取
# 2. 模型加载
# 3. 单图预测
# step 1/4 : path --> img
# step 2/4 : img --> tensor
# step 3/4 : tensor --> vector
# step 4/4 : vector--->物理实物
# 4.多图预测
# step 1/4 : path --> img
# step 2/4 : img --> tensor
# step 3/4 : tensor --> vector
# step 4/4 : vector--->物理实物
5.major_split_dataset.py
# -*- coding: utf-8 -*-
"""
将数据集划分为训练集，验证集，测试集
"""
# 创建保存图像的文件夹
# 1.确定原图像数据集路径
# 2.确定数据集划分后保存的路径
# 3.确定将数据集划分为训练集，验证集，测试集的比例
# 4.划分
6.test.py
# 1.选取和调用major_evaluation里面的评测函数
# 2.传dataloader和model
# 3.展示分数
7.train.py
# ============================ 导入工具包包 ============================
# ============================ 辅助函数 ============================
# ============================ step 0/5 参数设置 ============================
# ============================ step 1/5 数据 ============================
# 训练数据预处理
# 验证数据预处理
# 构建训练集的Dataset和DataLoader
# 构建验证集的Dataset和DataLoader
# ============================ step 2/5 模型 ============================
# ============================ step 3/5 损失函数 ============================
# ============================ step 4/5 优化器 ============================
# ============================ step 5/5 训练 ============================
for epoch in range():
# train the model
# 反向传播的过程
# 1.计算出loss
# 2.loss反向传播
# 3.梯度的计算
# 训练的过程
# 1.从dataset里面+dataloader进行数据的读取
# 2.一些评测指标的初始值，loss=0 total = 1000
# 3.加载模型
# 4.将数据读输入model
# 5.处理模型输出的概率值，转为lable形式的pred
# 6.将pred和label进行loss计算
# 7.loss反向传播
# 8.梯度的计算
# 9.loss和梯度要清零
# 10.展示每次参数更新之后的loss
# 模型评测指标的计算
# validate the model
# 模型评测指标的计算
# 1.加载数据。dataset+dataloader
# 2.加载模型，并处与eval()模式
# 3.no_grade()模式下的模型的输出pred
# 4.pred+label计算出评测指标
# 5.打印评测指标
utils.py
# 1.随机种子
# 2.创建文件夹的辅助函数
major_visual_model.py
import major_config
from torchsummary import summary
net = major_config.model
summary(net, input_size=major_config.input_size, device="cpu")
## $$单词$$
> 这里是引用
|单词| 词根：|翻译|备注(词频排名)|
|--|--|--|--|
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
# == 引入工具包 ==
# == step 0 参数配置 ==
# == step 1 数据处理 ==
# == step 2 模型 ==
# == step 3 损失函数 ==
# == step 4 优化器 ==
# == step 5 评测函数==
# == step 6 训练 ==
# == step 7 训练可视化 ==
# == inference ==
国内站
java版
/*
思路：
*/
/*
评价：
优点：
缺点：
*/
python版：
'''
思路：
'''
'''
评价：
优点：
缺点：
'''
c++版：
/*
思路：
*/
/*
评价：
优点：
缺点：
*/
国外站
java版
/*
思路：
*/
/*
评价：
优点：
缺点：
*/
python版：
'''
思路：
'''
'''
评价：
优点：
缺点：
'''
c++版：
/*
思路：
*/
/*
评价：
优点：
缺点：
*/
在这里插入代码片
**1.视频教程：**
B站、网易云课堂、腾讯课堂
**2.代码地址：**
Gitee
Github
**3.存储地址：**
Google云
百度云：
提取码：
* [1.](#1)
* [2.](#2)
* [3.](#3)
<h2 id=1><h2>
<h2 id=2><h2>
<h2 id=3><h2>
**1.视频教程：**
B站、网易云课堂、腾讯课堂
**2.代码地址：**
Gitee
Github
**3.存储地址：**
Google云
百度云：
提取码：
* [1.一 原理解析](#1)
* [2.二 代码实现](#2)
* [3.三 问题思索](#3)
* [4.四 改进方案](#4)
* [5.五 额外补充](#5)
> 《》
> ---待写
> 作者：
> 单位：
> 发表会议及时间：
**Submission history**
---
- Abstract
---
<h2 id=1>一 原理解析<h2>
<h2 id=2>二 代码实现<h2>
## 2.1 模型构建
## 2.2 模型训练
## 2.3 模型预测
## 2.4 模型验证
<h2 id=3>三 问题思索<h2>
<h2 id=4>四 改进方案<h2>
<h2 id=5>五 额外补充<h2>
----
**1.视频教程：**
B站、网易云课堂、腾讯课堂
**2.代码地址：**
Gitee
Github
**3.存储地址：**
Google云
百度云：
提取码：
* [1.](#1)
* [2.](#2)
* [3.](#3)
* [4.](#4)
* [5.](#5)
* [6.](#6)
* [7.](#7)
* [8.](#8)
* [9.](#9)
* [0.](#0)
<h2 id=1><h2>
<h2 id=2><h2>
<h2 id=3><h2>
<h2 id=4><h2>
<h2 id=5><h2>
<h2 id=6><h2>
<h2 id=7><h2>
<h2 id=8><h2>
<h2 id=9><h2>
<h2 id=0><h2>
视频教程：B站、网易云课堂、腾讯课堂
代码地址：Gitee、Github
存储地址：
百度云-提取码：
Google云
* [1.](#1)
* [2.](#2)
* [3.](#3)
* [4.](#4)
* [5.](#5)
* [6.](#6)
* [7.](#7)
* [8.](#8)
* [9.](#9)
* [10.](#10)
* [11.](#11)
* [12.](#12)
* [13.](#13)
* [14.](#14)
* [15.](#15)
* [16.](#16)
* [17.](#17)
* [18.](#18)
* [19.](#19)
* [20.](#20)
* [21.](#21)
* [22.](#22)
* [23.](#23)
* [24.](#24)
* [25.](#25)
<h2 id=1><h2>
<h2 id=2><h2>
<h2 id=3><h2>
<h2 id=4><h2>
<h2 id=5><h2>
<h2 id=6><h2>
<h2 id=7><h2>
<h2 id=8><h2>
<h2 id=9><h2>
<h2 id=10><h2>
<h2 id=11><h2>
<h2 id=12><h2>
<h2 id=13><h2>
<h2 id=14><h2>
<h2 id=15><h2>
<h2 id=16><h2>
<h2 id=17><h2>
<h2 id=18><h2>
<h2 id=19><h2>
<h2 id=20><h2>
<h2 id=21><h2>
<h2 id=22><h2>
<h2 id=23><h2>
<h2 id=24><h2>
<h2 id=25><h2>
* [1.](#1)
* [2.](#2)
* [3.](#3)
* [4.](#4)
* [5.](#5)
* [6.](#6)
* [7.](#7)
* [8.](#8)
* [9.](#9)
* [10.](#10)
* [11.](#11)
* [12.](#12)
* [13.](#13)
* [14.](#14)
* [15.](#15)
* [16.](#16)
* [17.](#17)
* [18.](#18)
* [19.](#19)
* [20.](#20)
* [21.](#21)
* [22.](#22)
* [23.](#23)
* [24.](#24)
* [25.](#25)
* [26.](#26)
* [27.](#27)
* [28.](#28)
* [29.](#29)
* [30.](#30)
* [31.](#31)
* [32.](#32)
* [33.](#33)
* [34.](#34)
* [35.](#35)
* [36.](#36)
* [37.](#37)
* [38.](#38)
* [39.](#39)
* [40.](#40)
* [41.](#41)
* [42.](#42)
* [43.](#43)
* [44.](#44)
* [45.](#45)
* [46.](#46)
* [47.](#47)
* [48.](#48)
* [49.](#49)
* [50.](#50)
* [51.](#51)
* [52.](#52)
* [53.](#53)
* [54.](#54)
* [55.](#55)
* [56.](#56)
* [57.](#57)
* [58.](#58)
* [59.](#59)
* [60.](#60)
* [61.](#61)
* [62.](#62)
* [63.](#63)
* [64.](#64)
* [65.](#65)
* [66.](#66)
* [67.](#67)
* [68.](#68)
* [69.](#69)
* [70.](#70)
* [71.](#71)
* [72.](#72)
* [73.](#73)
* [74.](#74)
* [75.](#75)
* [76.](#76)
* [77.](#77)
* [78.](#78)
* [79.](#79)
* [80.](#80)
* [81.](#81)
* [82.](#82)
* [83.](#83)
* [84.](#84)
* [85.](#85)
* [86.](#86)
* [87.](#87)
* [88.](#88)
* [89.](#89)
* [90.](#90)
* [91.](#91)
* [92.](#92)
* [93.](#93)
* [94.](#94)
* [95.](#95)
* [96.](#96)
* [97.](#97)
* [98.](#98)
* [99.](#99)
* [100.](#100)
* [101.](#101)
* [102.](#102)
* [103.](#103)
* [104.](#104)
* [105.](#105)
* [106.](#106)
* [107.](#107)
* [108.](#108)
* [109.](#109)
* [110.](#110)
* [111.](#111)
* [112.](#112)
* [113.](#113)
* [114.](#114)
* [115.](#115)
* [116.](#116)
* [117.](#117)
* [118.](#118)
* [119.](#119)
* [120.](#120)
* [121.](#121)
* [122.](#122)
* [123.](#123)
* [124.](#124)
* [125.](#125)
* [126.](#126)
* [127.](#127)
* [128.](#128)
* [129.](#129)
* [130.](#130)
* [131.](#131)
* [132.](#132)
* [133.](#133)
* [134.](#134)
* [135.](#135)
* [136.](#136)
* [137.](#137)
* [138.](#138)
* [139.](#139)
* [140.](#140)
* [141.](#141)
* [142.](#142)
* [143.](#143)
* [144.](#144)
* [145.](#145)
* [146.](#146)
* [147.](#147)
* [148.](#148)
* [149.](#149)
* [150.](#150)
* [151.](#151)
* [152.](#152)
* [153.](#153)
* [154.](#154)
* [155.](#155)
* [156.](#156)
* [157.](#157)
* [158.](#158)
* [159.](#159)
* [160.](#160)
<h2 id=1><h2>
<h2 id=2><h2>
<h2 id=3><h2>
<h2 id=4><h2>
<h2 id=5><h2>
<h2 id=6><h2>
<h2 id=7><h2>
<h2 id=8><h2>
<h2 id=9><h2>
<h2 id=10><h2>
<h2 id=11><h2>
<h2 id=12><h2>
<h2 id=13><h2>
<h2 id=14><h2>
<h2 id=15><h2>
<h2 id=16><h2>
<h2 id=17><h2>
<h2 id=18><h2>
<h2 id=19><h2>
<h2 id=20><h2>
<h2 id=21><h2>
<h2 id=22><h2>
<h2 id=23><h2>
<h2 id=24><h2>
<h2 id=25><h2>
<h2 id=26><h2>
<h2 id=27><h2>
<h2 id=28><h2>
<h2 id=29><h2>
<h2 id=30><h2>
<h2 id=31><h2>
<h2 id=32><h2>
<h2 id=33><h2>
<h2 id=34><h2>
<h2 id=35><h2>
<h2 id=36><h2>
<h2 id=37><h2>
<h2 id=38><h2>
<h2 id=39><h2>
<h2 id=40><h2>
<h2 id=41><h2>
<h2 id=42><h2>
<h2 id=43><h2>
<h2 id=44><h2>
<h2 id=45><h2>
<h2 id=46><h2>
<h2 id=47><h2>
<h2 id=48><h2>
<h2 id=49><h2>
<h2 id=50><h2>
<h2 id=51><h2>
<h2 id=52><h2>
<h2 id=53><h2>
<h2 id=54><h2>
<h2 id=55><h2>
<h2 id=56><h2>
<h2 id=57><h2>
<h2 id=58><h2>
<h2 id=59><h2>
<h2 id=60><h2>
<h2 id=61><h2>
<h2 id=62><h2>
<h2 id=63><h2>
<h2 id=64><h2>
<h2 id=65><h2>
<h2 id=66><h2>
<h2 id=67><h2>
<h2 id=68><h2>
<h2 id=69><h2>
<h2 id=70><h2>
<h2 id=71><h2>
<h2 id=72><h2>
<h2 id=73><h2>
<h2 id=74><h2>
<h2 id=75><h2>
<h2 id=76><h2>
<h2 id=77><h2>
<h2 id=78><h2>
<h2 id=79><h2>
<h2 id=80><h2>
<h2 id=81><h2>
<h2 id=82><h2>
<h2 id=83><h2>
<h2 id=84><h2>
<h2 id=85><h2>
<h2 id=86><h2>
<h2 id=87><h2>
<h2 id=88><h2>
<h2 id=89><h2>
<h2 id=90><h2>
<h2 id=91><h2>
<h2 id=92><h2>
<h2 id=93><h2>
<h2 id=94><h2>
<h2 id=95><h2>
<h2 id=96><h2>
<h2 id=97><h2>
<h2 id=98><h2>
<h2 id=99><h2>
<h2 id=100><h2>
<h2 id=101><h2>
<h2 id=102><h2>
<h2 id=103><h2>
<h2 id=104><h2>
<h2 id=105><h2>
<h2 id=106><h2>
<h2 id=107><h2>
<h2 id=108><h2>
<h2 id=109><h2>
<h2 id=110><h2>
<h2 id=111><h2>
<h2 id=112><h2>
<h2 id=113><h2>
<h2 id=114><h2>
<h2 id=115><h2>
<h2 id=116><h2>
<h2 id=117><h2>
<h2 id=118><h2>
<h2 id=119><h2>
<h2 id=120><h2>
<h2 id=121><h2>
<h2 id=122><h2>
<h2 id=123><h2>
<h2 id=124><h2>
<h2 id=125><h2>
<h2 id=126><h2>
<h2 id=127><h2>
<h2 id=128><h2>
<h2 id=129><h2>
<h2 id=130><h2>
<h2 id=131><h2>
<h2 id=132><h2>
<h2 id=133><h2>
<h2 id=134><h2>
<h2 id=135><h2>
<h2 id=136><h2>
<h2 id=137><h2>
<h2 id=138><h2>
<h2 id=139><h2>
<h2 id=140><h2>
<h2 id=141><h2>
<h2 id=142><h2>
<h2 id=143><h2>
<h2 id=144><h2>
<h2 id=145><h2>
<h2 id=146><h2>
<h2 id=147><h2>
<h2 id=148><h2>
<h2 id=149><h2>
<h2 id=150><h2>
## $$202x-x实施表$$
---
#### 月收入：%
---
#### 月支出：%
1. 财务自由资金：%
2. 储备保障资金：%
3. 保险投资资金：%
4. 学习培训资金：%
5. 生活消费资金：%
---
#### 月保留: %
---
1日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
2日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
3日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
4日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
5日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
6日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
7日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
8日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
9日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
10日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
11日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
12日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
13日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
14日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
15日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
16日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
17日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
18日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
19日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
20日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
21日：
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
22日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
23日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
24日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
25日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
26日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
27日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
28日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
29日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
30日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
31日:
**计划度：**
1.
**完成度：**
1.
---
**今日分享：**
---
# 月总结：
二列表格
| | |
|--|--|
| | |
| | |
| | |
| | |
| | |
| | |
三列表格
| | | |
|--|--|--|
| | | |
| | | |
| | | |
| | | |
| | | |
| | | |
四列表格
| | | | |
|--|--|--|--|
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
| | | | |
五列表格
| | | | | |
|--|--|--|--|--|
| | | | | |
| | | | | |
| | | | | |
| | | | | |
| | | | | |
| | | | | |
六列表格
| | | | | | |
|--|--|--|--|--|--|
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
---
## 一
---
## 二
---
## 三
------
## 四
------
## 五
------
## 六
------
## 七
------
## 八
------
## 九
------
## 十
------
## 十一
------
## 十二
------
## 十三
------
## 十四
------
## 十五
------
## 十六
------
## 十七
---
## 十八
------
## 十九
------
## 二十
------
## 二十一
------
## 二十二
------
## 二十三
---
## 二十四
------
## 二十五
------
## 二十六
------
## 二十七
---
## 二十八
------
## 二十九
------
## 三十
------
## 三十一
------
## 三十二
------
## 三十三
------
## 三十四
------
## 三十五
------
## 三十六
10万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
